电子技术的迅速发展和互联网的普及使得电子医疗数据急剧增加，医疗信息严重过载而数据质量低，很难从中获取有用的数据；我国医疗资源紧缺，就诊压力大。针对这两方面的问题，提出了面向智能导诊的个性化推荐算法。通过辅助诊疗机制，帮助用户根据其症状确诊疾病，提高了用户获取信息的能力；从医疗导诊与推荐的特性出发，将Skyline查询引入到推荐算法中，提出了符合该领域特征的推荐算法，以实现患者的合理分流，优化医疗资源的配置和使用。本文的研究内容主要包含一下几个方面：　　针对医疗推荐中用户偏好未知的问题，引入了辅助诊疗技术，通过计算输入症状和医疗知识库中疾病症状之间的相似度，帮助用户根据症状表现确定所患疾病，明确了用户偏好，根据用户的反馈信息提供了优化诊断措施，并加入了症状联想机制，加强了与用户的交互性。辅助诊疗技术是推荐算法的前提，将原来用户偏好位置的不可推荐问题转化为一个可推荐问题。　　针对医疗导诊中地域约束严格的问题，引入了Skyline查询，使得推荐算法能满足地域约束，在距离和评分之间求得了平衡点。并且针对查询问题和推荐问题的本质区别，对其进行了改进，增加了优先级队列，使其能更好的适用于推荐算法中，提升了算法的性能。Skyline查询的结果集是推荐结果的候选集合。　　针对Skyline候选集合中医院的推荐优先级不确定的问题，提出了局部范围内基于用户协同过滤的评分算法，能利该用用户和相邻用户之间的相似性以及相邻用户的评分来计算该用户对候选集合中医院的评分，进而通过对评分进行排序确定推荐医院的优先级，生成最终的推荐列表。并且根据评分数据的局部稠密性提出了近邻用户的筛选机制，提升了算法运行的效率。　　实验结果表明，本文提出的推荐算法是合理的，推荐结果具有较高的准确度和满意度。面向智能导诊的个性化推荐算法能从一定程度上提升用户获取医疗知识的能力，实现医疗资源的合理分配和使用，对于提升用户的就诊体验和就诊质量，缓解就诊压力非常重要，有着很大的实用价值和社会意义。